TP(True Postives） IoU>0.5检测出边框的数量
FP(False Positives) IoU<=0.5检测出边框的数量
FN(False Negatives) 没有检测到gt的的数量
Precision : TP/(TP+FP) 查准率
Recall ： TP/(TP+FN) 查全率
AP： Precision-Recall 曲线下面积
mAP：各种类别AP的平均值
| Retrieval cutoff | Precision | Recall |
| Top 1 image | 100% | 20% |
| Top 2 images | 100% | 40% |
| Top 3 images | 66% | 40% |
| Top 4 images | 75% | 60% |
| Top 5 images | 60% | 60% |
| Top 6 images | 66% | 80% |
| Top 7 images | 57% | 80% |
| Top 8 images | 50% | 80% |
| Top 9 images | 44% | 80% |
| Top 10 images | 50% | 100% |
图来源：It’s a bird… it’s a plane… it… depends on your classifier’s threshold
假设得到的pr数据如上，我们可以得到pr图
首先要删除recell相同，并且precision小于最大值的数据，不加入计算
AP：(1 *0.2) + (1 *?0.2) + (0.75 *?0.2) + (0.66 *?0.2) + (0.5 *?0.2) = 0.782
mAP就是计算每一个AP，然后求平均值。